VGen

收录理由

如果你打算自己搭建或微调基于扩散模型的视频生成器，而不是只调用现成API，VGen是一个相当实用的起点。这个仓库由阿里通义实验室维护，把几项已发表的方法集中在一起：I2VGen-XL能把静态图片变成高分辨率视频片段，VideoComposer允许你控制运动与构图，InstructVideo则支持用人类反馈来引导生成过程。这些方法放在同一处，方便你对比不同的条件控制策略，挑出适合自己场景的那一个，省去同时维护多套代码的麻烦。仓库里包含了训练和推理代码，以及采样、可视化、加速等工具，团队可以从已发布的检查点出发，逐步训练出自己的微调模型。如果你关注文生视频、图生视频或可控合成，并且希望拿到带公开权重的参考实现，这个代码库值得深入看看。